Gépi tanulás nagy kockázatú alkalmazásokhoz: Megközelítések a felelős mesterséges intelligenciához

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 8 olvasói szavazat alapján történt.

Eredeti címe:

Machine Learning for High-Risk Applications: Approaches to Responsible AI

Könyv tartalma:

Az elmúlt évtizedben a mesterséges intelligencia és a gépi tanulási technológiák (AI/ML) széles körű elterjedésének tanúi lehettünk. A széles körű alkalmazásuk során azonban a felügyelet hiánya olyan incidensekhez és káros kimenetelű eseményekhez vezetett, amelyek megfelelő kockázatkezeléssel elkerülhetők lettek volna. Mielőtt az AI/ML valódi előnyeit kiaknázhatnánk, a szakembereknek meg kell érteniük, hogyan csökkenthetők a kockázatok.

Ez a könyv a felelős mesterséges intelligencia megközelítéseit ismerteti - az AI/ML technológia, az üzleti folyamatok és a kulturális kompetenciák javításának holisztikus keretrendszerét, amely a kockázatkezelés, a kiberbiztonság, az adatvédelem és az alkalmazott társadalomtudományok legjobb gyakorlataira épül. A szerzők, Patrick Hall, James Curtis és Parul Pandey ezt az útmutatót olyan adattudósok számára készítették, akik javítani szeretnék a valós AI/ML rendszerek eredményeit a szervezetek, a fogyasztók és a nyilvánosság számára.

⬤ Tanuljon technikai megközelítéseket a felelős mesterséges intelligenciához a megmagyarázhatóság, a modellérvényesítés és hibakeresés, az elfogultságkezelés, az adatvédelem és az ML-biztonság területén.

⬤ Tanulja meg, hogyan hozzon létre sikeres és hatásos AI kockázatkezelési gyakorlatot.

⬤ Tegyen szert alapvető útmutatóra az AI-technológiák elfogadására vonatkozó meglévő szabványokról, jogszabályokról és értékelésekről, beleértve az új NIST AI kockázatkezelési keretrendszert.

⬤ Kapcsolódjon a GitHub és a Colab interaktív erőforrásaihoz.